我有python熊猫数据框,其中一列包含月份名称。在熊猫数据框中自定义排序
我怎样才能做一个自定义排序使用字典,例如:
custom_dict = {'March':0, 'April':1, 'Dec':3}
我有python熊猫数据框,其中一列包含月份名称。在熊猫数据框中自定义排序
我怎样才能做一个自定义排序使用字典,例如:
custom_dict = {'March':0, 'April':1, 'Dec':3}
熊猫0.15介绍Categorical Series,它允许更清晰的方法来做到这一点:
首先使月份列为分类并指定要使用的排序。现在
In [21]: df['m'] = pd.Categorical(df['m'], ["March", "April", "Dec"])
In [22]: df # looks the same!
Out[22]:
a b m
0 1 2 March
1 5 6 Dec
2 3 4 April
,当你排序月份列,将排序相对于该名单:
In [23]: df.sort("m")
Out[23]:
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
注:如果值是不在列表中,它将被转换为NaN。对
对于那些有兴趣一位年长的答案...
您可以创建一个中介系列和set_index
:
df = pd.DataFrame([[1, 2, 'March'],[5, 6, 'Dec'],[3, 4, 'April']], columns=['a','b','m'])
s = df['m'].apply(lambda x: {'March':0, 'April':1, 'Dec':3}[x])
s.sort()
In [4]: df.set_index(s.index).sort()
Out[4]:
a b m
0 1 2 March
1 3 4 April
2 5 6 Dec
正如评论说,在新的大熊猫,系列有一个replace
方法可以更优雅地做到这一点:
s = df['m'].replace({'March':0, 'April':1, 'Dec':3})
稍有不同的是,如果字典外面有一个值(它会保持不变),这不会引发此问题。
's = df ['m']。replace({'March':0,'April':1,'Dec':3})'也适用于第2行 - 仅仅为了任何人学习熊猫像我一样 – kdauria
@kdauria好点! (已经有一段时间了,因为我写了这个!)替换绝对最好的选择,另一个是使用'.apply({'March':0,'April':1,'Dec':3} .get)':) In 0.15我们将拥有分类系列/专栏,所以最好的方法是使用它,然后排序就可以工作。 –
@AndyHayden我冒昧地用'替换'方法替换第二行。我希望这是好的。 –
import pandas as pd
custom_dict = {'March':0,'April':1,'Dec':3}
df = pd.DataFrame(...) # with columns April, March, Dec (probably alphabetically)
df = pd.DataFrame(df, columns=sorted(custom_dict, key=custom_dict.get))
返回与列三月,四月一个数据帧,十二月
这可以工作,更容易在任何现有的代码中写入。谢谢! – posdef
游戏有点晚了,但是这里有一种方法可以创建一个函数,使用任意函数对pandas Series,DataFrame和multiindex DataFrame对象进行排序。
我使用df.iloc[index]
方法,该方法引用Series/DataFrame中按位置排序的行(与按值引用的df.loc
进行比较)。利用这一点,我们就必须有一个返回一系列位置参数的函数:
def sort_pd(key=None,reverse=False,cmp=None):
def sorter(series):
series_list = list(series)
return [series_list.index(i)
for i in sorted(series_list,key=key,reverse=reverse,cmp=cmp)]
return sorter
您可以使用它来创建自定义排序功能。这适用于安迪·海登的回答中使用的数据框:
df = pd.DataFrame([
[1, 2, 'March'],
[5, 6, 'Dec'],
[3, 4, 'April']],
columns=['a','b','m'])
custom_dict = {'March':0, 'April':1, 'Dec':3}
sort_by_custom_dict = sort_pd(key=custom_dict.get)
In [6]: df.iloc[sort_by_custom_dict(df['m'])]
Out[6]:
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
这也适用于多指标DataFrames和Series对象:
months = ['Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec']
df = pd.DataFrame([
['New York','Mar',12714],
['New York','Apr',89238],
['Atlanta','Jan',8161],
['Atlanta','Sep',5885],
],columns=['location','month','sales']).set_index(['location','month'])
sort_by_month = sort_pd(key=months.index)
In [10]: df.iloc[sort_by_month(df.index.get_level_values('month'))]
Out[10]:
sales
location month
Atlanta Jan 8161
New York Mar 12714
Apr 89238
Atlanta Sep 5885
sort_by_last_digit = sort_pd(key=lambda x: x%10)
In [12]: pd.Series(list(df['sales'])).iloc[sort_by_last_digit(df['sales'])]
Out[12]:
2 8161
0 12714
3 5885
1 89238
对我来说,这种感觉干净,但它在很大程度上使用Python操作,而不是依赖关于优化的熊猫业务。我没有做过任何压力测试,但我想这可能会在非常大的DataFrame上变慢。不确定性能如何与添加,排序和删除列相比。任何提示加快代码的提示将不胜感激!
列中是否包含月份名称意味着存在包含月份名称的列(作为我的答案),或列名称与月份名称很多的列(如eumiro's)? –